Whitepaper des Fraunhofer IAIS Krankenhaus-KI braucht Strategie

Anbieter zum Thema

Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS

Governikus GmbH & Co. KG

Pilotprojekte sind ein wichtiger Schritt bei der Einführung von KI-Lösungen in Krankenhäusern. Doch damit es nicht beim Pilotstatus bleibt, sollten die Projekte auf einer KI-Strategie basieren. Worauf es bei der Entwicklung und Umsetzung einer solchen Strategie ankommt – dazu hat das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS ein Whitepaper veröffentlicht.

Ein im Vorfeld der DMEA veröffentlichtes Whitepaper des Fraunhofer IAIS beschreibt die KI-Anwendung in deutschen Krankenhäusern als sehr heterogen: Einzelne Kliniken nutzen demnach schon KI-gestützte Workflows im Routinebetrieb, meist für administrative Prozesse, während insgesamt noch isolierte Pilotprojekte überwiegen. Viele Initiativen beschränkten sich auf „zeitlich begrenzte Testphasen ohne anschließende Integration in den klinischen Regelbetrieb“. Was tun, um nicht in der Pilotphase steckenzubleiben? Die Antwort sieht das Autorenteam um Dario Antweiler in der Entwicklung und Umsetzung einer nachhaltigen KI-Strategie.

Erfolgsfaktoren einer KI-Strategie

Wie eine solche Strategie aussehen soll, ist zunächst anhand von Erfolgsfaktoren beschrieben. Dazu gehören:

• eine klare Vision, ein Zielbild: Welche Rolle soll Künstliche Intelligenz künftig übernehmen – etwa Personal entlasten oder die medizinische Versorgung verbessern? Die Antwort hängt von den strategischen Schwerpunkten der einzelnen Häuser ab. Für alle aber gilt: Die KI-Strategie muss im Einklang mit der übergeordneten Digitalstrategie und der Unternehmensstrategie stehen.

• Einbindung der Stakeholder: „Die Geschäftsführung muss KI als strategisches Thema verstehen und aktiv treiben“, nötige Investitionen ermöglichen und Zielkonflikte moderieren. Weitere Stakeholder sind früh einzubinden – die zweite wichtige Gruppe bilden medizinische Fachkräfte und Pflegepersonal. Entscheidend sind Praxisnähe, Transparenz in der Kommunikation und die sorgfältige Integration in die Arbeitsabläufe. Im IT-Bereich wiederum müssen oft zusätzliche Kompetenzen aufgebaut und Rechenkapazitäten erweitert werden. Zu den Stakeholdern zählen zudem auch Datenschutzbeauftragte, Verantwortliche für Medizinprodukte, Ethikkommissionen und Personalvertretungen. Die Einbindung aller relevanten Stakeholder ist auch die Voraussetzung für die zu installierende umfassende KI-Governance.

• Fokus auf Mehrwert und ROI: Die Frage ist demnach nicht, wo KI eingesetzt werden kann, sondern welche Herausforderungen im Krankenhausalltag bestehen und ob KI zu deren Lösung beitragen kann. Der Mehrwert kann in Zeitersparnis, Kostensenkung, Qualitätssteigerung, erhöhter Patientensicherheit oder besserer Mitarbeiterzufriedenheit bestehen.

• Verzahnung der strategischen, technischen und organisatorischen Ebene sowie

• iterative Pilotierung und Skalierung: KI-Systeme sind kontinuierlich zu überwachen und zu verbessern.

Von der Theorie zur praktischen Umsetzung

Soweit zur Theorie, das Autorenteam stellt darüber hinaus auch ein Vorgehen zur praktischen Umsetzung vor, das in drei Phasen unterteilt ist: Im ersten Schritt wird die KI-Readiness erfasst, dazu sind Datenqualität, IT-Architektur und Schnittstellen, Kompetenzen und organisatorische Voraussetzungen zu analysieren. Damit sollen technische oder organisatorische Lücken aufgezeigt werden, die vor oder parallel zu den KI-Projekten zu beheben sind.

In der zweiten Phase wird die Strategie entwickelt mit dem Zielbild, den übergeordneten Zielen und strategischen Leitlinien. Darauf basierend sollen dann Use Cases zur priorisierten Umsetzung ausgewählt werden; Kriterien dafür sind: der Mehrwert für Klinik und Mitarbeitende, die technische und organisatorische Umsetzbarkeit sowie die regulatorischen, organisatorischen und technischen Risiken. Für diese ausgewählten Anwendungsfälle ist eine Roadmap zu erstellen.

Daran schließt sich die entscheidende dritte Phase an: Umsetzung und Betrieb. Hier geht es zunächst darum, geeignete technische Lösungen auszuwählen, Skalierbarkeit mitzudenken und vor allem die Verantwortlichkeiten zu definieren.

Das Vorgehensmodell soll nicht als starres Wasserfall-Modell verstanden werden; Iterationen und Rückkopplungen zwischen den Phasen sind ausdrücklich erwünscht. So könnten etwa Erkenntnisse aus der Umsetzung zu Anpassungen der Strategie führen oder veränderte Rahmenbedingungen neue Analysen erfordern.

Die Zeit wird knapp

2026 – das Jahr des Rennpferds?

Fraunhofer IAIS, Deutsche Telekom und Stadt Köln

KI-Agenten für den Schockraum

Warum medizinische KI-Nutzung eine Frage der Infrastruktur ist

Schatten-KI im Krankenhaus

ABBYY-Studie

Zufrieden mit KI-Tools im Gesundheitswesen

(ID:50810043)